vllm-project/vllm

融合 FP8 DeepGemm 量化内核的零初始化，实现约 1% 解码加速。

建议技术管理者和工程师精读此 PR，重点关注内核中填充处理的实现细节和测试用例的设计。这展示了如何通过融合初始化来优化性能关键路径，同时确保正确性，值得学习其内核优化技巧。

修复Gemma4ForCausalLM加载LoRA适配器的命名映射问题，确保兼容性。

对于涉及Gemma4模型或LoRA加载机制的工程师，此PR值得精读以了解权重映射设计。重点关注hf_to_vllm_mapper的实现，以及如何通过WeightsMapper处理不同模型命名约定。

修复 GDN FLA 内核因 CUDA 图块表填充从 -1 改为 0 导致的非法内存访问崩溃。

该 PR 值得精读，因为它揭示了在系统级约定变更（如填充值从 -1 改为 0）时，如何确保内核守卫条件同步更新的重要性。关注设计决策：守卫条件的设计需与全局约定（NULL_BLOCK_ID）严格对齐，以避免隐蔽的内存错误。

修复CPU测试Dockerfile中sentence-transformers版本号错误，确保依赖解析成功。

该PR变更简单直接，无需精读。值得关注的是review中版本号验证的重要性，可作为依赖管理的最佳实践参考。

更新vllm serve中--model参数的弃用警告版本号，避免误导用户。

该PR变更简单，无需深入精读。对于技术管理者，可快速浏览以了解文档维护活动；对于工程师，除非负责CLI或文档模块，否则无需特别关注。

为Exaone4_5_MTP模型添加多模态支持接口，修复投机解码中的崩溃问题。

该PR是一个直接的bugfix，值得快速浏览以理解多模态接口的集成模式。关注点在于embed_input_ids方法的实现如何合并文本和多模态嵌入，以及_merge_multimodal_embeddings工具函数的使用。对于从事多模态模型或投机解码开发的工程师，这是一个很好的参考示例。

修复调度器中 _free_encoder_inputs 调用顺序，防止编码器输入在多模态投机解码下过早释放。

建议技术管理者关注此 PR，因为它揭示了调度器中的微妙竞态条件，强调了测试在核心路径中的重要性。工程师应精读以理解调度顺序的依赖关系，并考虑添加相关测试以确保覆盖。

修复XPU平台投机解码单元测试的跳过条件，使测试能在XPU上运行。

建议技术管理者关注此PR中的平台适配策略，特别是设备计数和跳过逻辑的设计权衡。工程师可从中学习如何处理多平台测试的兼容性问题，精读review讨论以理解争议点和决策过程。